Aktywne uczenie częściowo nadzorowane
Aktywne uczenie częściowo nadzorowane (SSAL) to hybrydowy paradygmat uczenia, który łączy strategię selektywnego odpytywania aktywnego uczenia z zdolnością uczenia częściowo nadzorowanego do wykorzystywania danych nieoznakowanych. Model iteracyjnie wybiera najbardziej informatywne nieoznakowane instancje do adnotacji przez eksperta, jednocześnie wykorzystując dużą pulę nieoznakowanych próbek do poprawy własnych reprezentacji, co drastycznie obniża koszty etykietowania przy zachowaniu wysokiej dokładności predykcyjnej.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Settles, B. (2012). Active Learning. Synthesis Lectures on Artificial Intelligence and Machine Learning. Morgan & Claypool. DOI: 10.2200/S00429ED1V01Y201207AIM018 ↗
- Zhu, X. (2005). Semi-supervised learning literature survey. Technical Report 1530, Computer Sciences, University of Wisconsin-Madison. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Active Learning (SSAL). ScholarGate. https://scholargate.app/pl/machine-learning/semi-supervised-active-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aktywna naukaUczenie maszynowe↔ compare
- Propagacja etykietUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →